量子化学软件的应用研究

量化软件的引入对学生学习、理解、应用《结构化学》起到积极作用，激发了学生的学习动机，便于教师调整教学内容和进度，优化教学过程。通过变分法在Gaussian软件包中的体现、Gaussian软件计算O2＋，O2，和O2-的键长，对比键级的结果以及α-π反馈键三个具体实例说明量子化学软件在《结构化学》教学中的应用，以及应用中的注意原则。     

共价键长的变化规律及计算

研究了共坐键长的变化规律,提出了两个影响键长的参数,即配位体的半径与中心原子半径之比Rraio和由中心原子组成的基团拓扑指数F2,用BP神经网络法,逼近了50个、预测了11个简单无机分子中非含氢原子键的键长,其计算误差基本上在2pm以内。     

四氢萘微观结构的量子化学研究

为了研究氢化芳烃的微观结构,进一步认识和理解氢化芳烃在催化裂化过程中的反应特性。以四氢萘为模型化合物,利用基于密度泛函理论的量子化学从头计算方法,对四氢萘的几何结构和电子结构进行了系统研究,得到了四氢萘不同位置C-H键和C-C键的键长、键级、键能以及电子云密度、前线轨道分布等微观结构信息。发现四氢萘结构具有轴对称特性,苯环上的C-C键和C-H键要远比环烷环的C-C键和C-H键稳定。由于受苯环的影响,会使得其环烷环上不同位置的C-C键的键长、键级和键能均具有明显差异,也导致环烷环上不同位置C-H键的键长、键级和键能有较明显的差异,具体表现为:对C-C键而言,与苯环相连的C-C键的键长较短,键级较高,键能也明显较高,而苯环β位C-C键的键能则明显较低;对C-H键而言,与苯环β位环烷碳原子上的C-H键相比,苯环α位环烷碳原子上的C-H键的键能明显较低。电子云分布计算结果能够较好地给出的这些C-C键和C-H键结构特征差异的原因。前线轨道计算结果表明,在催化裂化过程中,苯环α位环烷碳原子上的C-H键和β位C-C键较易受到催化剂酸性中心的进攻,是酸催化反应的位点。这些计算结果对于认识与理解氢化芳烃的反应特性具有一定的基础性理论意义。     

六水氯化镁分子与电子结构的理论化学研究

利用量子化学从头算方法,采用RHF/6-31G*和RHF/6-311G*方法,分别研究了六水氯化镁的分子结构与电子结构。计算结果表明,不同的计算方法,所得的结论基本一致,在六水氯化镁模型分子中,两个水分子与氯化镁结合松弛,以RHF/6-311G*计算为例,R[O-Mg]键长分别为0.3972nm和0.3839nm,这两个水分子游离在氯化镁的最外层,结合呈松散状态,极易脱除;另两个水分子与氯化镁结合适中,R[O-Mg]键长分别为0.2142nm和0.2152nm,最后两个水分子与氯化镁结合较牢,R[O-Mg]键长均为0.2081nm,这两个水分子最难脱除。本研究从理论化学的角度合理地解释了六水氯化镁脱水过程的实质,并由此深化对六水氯化镁的内部结构的认识,这种量子化学的计算方法是对现有的六水氯化镁实验研究方法的有益补充。     

一键还原保安全

不管是谁用电脑，时间长了都会有问题，让人防不胜防的病毒和木马，更会给系统造成毁灭性打击。我的联想笔记本很不错，具有一键还原功能，当电脑出问题后按一下还原键即可恢复。对台式机以及没有一键还原功能的笔记本，如何让它们拥有一键还原功能呢？用本期赠送的“一键还原精灵”即可办到。     

从头计算法对C-C键裂解能的研究

采用从头计算法中的HF和DFT方法对一些烷烃和烷基苯分子的C－C键裂解能进行了计算。计算结果表明，HF方法在计算键能方面存在着较大的误差，DFT方法计算结果与实验值符合的很好，其中，D3LYP方法误差在4kcal/mol左右，B3P86方法的误差在2kcal/mol左右，说明DFT方法为计算分子C－C键裂解能的可靠方法。     

阿玛拉大地上永生者与凡人的战争

奔跑：移动中．短暂长按A键／X键能够让角色进入奔跑状态，提高移动速度，无耐力限制。但是奔跑带有一定惯性，     

应用量化参数研究羧酸的结构和pKa值的关系

应用密度泛函B3LYP/6.311 G**法得30种羧酸分子的优势构象,再计算羧酸-水构成的氢键复合物,获得优势构象和复合物的结构参数,并将这些参数与羧酸pKa值相比.羧基C-O键长、羧基氢自然键轨道电荷以及复合物的氢键键长和结合能等参数,与羧酸pKa实验值具有良好的线性关系.以水为探针分子获得氢键复合物结构参数的方法,可预期在预测其它含有酸性基团化合物酸性的强弱方面推广应用.     

Davidon变尺度优化法的改进及其应用

变尺度法是优化方法中应用较广的一个分枝。Davidon提出了一个方案。在每个迭代步中只须计算一次目标函数及其梯度而省去对目标函数的一维寻查。这样的方法对容易用解析法计算梯度而目标函数计算量较大的问题尤其有利。作者近年已将此法先后应用于CNDO/2几何优化、MNDO几何优化、Mossbauer谱分解、流体状态方程中常数的确定、键能与键长的非线性相关等工作。这些实践表明此法有对初值依赖不大、收敛性     

丰富安卓手机Home功能

有很多安卓手机只有四个功能按键,在Home键、设置、返回、搜索这四个按键中,长按搜索键可以自定义搜索方式,设置、返回键没啥搞头,但长按Home键也只能打开最近使用的应用程序,相对于安卓系统中花样繁多的任务管理应用,这个功能实在太逊了。那么有没     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

3,5-二芳基-s-三氮唑类化合物终止妊娠活性的QSAR研究

对３,５－二芳基－ｓ－三氮唑类化合物的终止妊娠活性进行了量子化学和ＢＰ人工神经网络研究。结果表明,疏水键和电荷转移复合作用等是影响这类化合物终止妊娠活性的主要因素。以分子ｖａｎ ｄｅｒ Ｗａａｌｓ体积,偶极矩,ＥＨＯＭＯ,三氯唑环上氮的原子电荷,ＥＬＵＭＯ,疏水常数作为输入参数建立的ＢＰ网络综合了输运,代谢对活性的影响,并给出了满意的预测结果。     

基于反馈神经网络的动态化工过程建模

针对非线性动态化工过程建模存在的问题,提出了一种新的反馈神经网络结构,并将状态反馈、时间序列延尺以及集中节点的概念结合起来,用于提高反馈神经网络的性能,同时又使得网络结构不至于太复杂,在用此网络结构建模的时间,成功地将BP算法用一网络模型的训练。文中将这种反馈神经网络结构分别对一个单输入单输出（SISO）的非线笥动态系统和一个多输入单输出（SIMO）的连续全混釜（CSTR）模型进行建模,并将所得模型与基于表态BP神经神经所得的模型在模型输出精度和抗干扰性等方面进行了比较,证明了该反馈神经在动态过程建模中能够比静态BP模型更好地反映出动态过程的输入输出关系,并具有一定的抗干扰能力。     

基于BP训练数据选取的压气机特性曲线计算

基于BP神经网络方法,研究了压气机特性曲线的拟合及BP神经网络结构设计。对不同训练数据选取方法和比例情况下的BP神经网络进行了计算,分析BP神经网络数据选取与网络泛化能力之间的关系。分析结果表明,均匀顺序选择的BP神经网络在压气机特性曲线仿真上具有更优的泛化能力。     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

基于多层BP神经网络和无参数微调的人群计数方法

针对大部分现有的人群计数方法被应用到新的场景时性能下降的问题,在多层BP神经网络框架下,提出一种具有无参数微调的人群计数方法。首先,从训练图像中裁切图像块,将获得的相似尺度的行人作为人群BP神经网络模型的输入;然后,BP神经网络模型通过学习预测密度图,得到了一个具有代表性的人群块;最后,为了处理新场景,对训练好的BP神经网络模型进行目标场景微调,可追求有相同属性的样本,包括候选块检索和局部块检索。实验数据集包括PETS2009数据集、UCSD数据集和UCF_CC_50数据集。这些场景的实验结果验证了提出方法的有效性。相比于全局回归计数法和密度估计计数法,提出的方法在平均绝对误差和均方误差方面均有较大优势, 消除了场景间区别和前景分割的影响。     

基于BP神经网络的天平校准数据处理方法研究

针对天平校准公式拟合法方,提出了基于BP神经网络的公式拟合方法。分析了典型的3层BP神经网络的结构,论述了其应用于天平公式拟合的可行性。讨论了常规多项式公式拟合方法以及BP神经网络的公式拟合方法,并给出了BP神经网络的训练过程和使用方法。最后通过一组天平校准数据对BP神经网络进行训练,并给出拟合结果。     

基于知识的阶层型神经网络结构及参数的一种确定方法

神经网络具有优秀的学习能力，但神经网络的权值及阈值却无法解释与理解，给进一步的应用带来了困难。国内外学者就这一问题进行了各种探讨，研究怎样从神经网络中抽取规则，但算法较复杂，规则的可理解性较差。从不同的视角出发，提出一种从知识的角度来考察阶层型神经网络的结构及参数的思路。利用从样本数据中获得的知识（模糊规则），来确定网络的大小，即中间层的结点数目，以及网络的参数，即网络的双重及结点的阈值。该方法的特点是不用精简网络的结构，也不用改变网络以往的BP学习算法。按照这种方法构造出的神经网络，即使不学习，其输出也会大致地跟踪样本，网络的学习时间将会缩短。与此同时，网络的参数，即权重及阈值的意义可以解释，为直接从神经网络中提取知识提供了依据。仿真算例验证了所提出的方法的有效性。     

基于PSO-BP神经网络的湿度传感器温度补偿

针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。     

基于BP神经网络的医学图像分割新方法

对于医学图像而言,其分割结果的准确性对医生诊断病情并给出正确的治疗方案至关重要。应用传统的BP神经网络对医学图像进行分割,存在对初始权重值敏感、学习速率固定、收敛速度慢和易陷入局部极小值等问题。因此,提出了一种基于改进的粒子群优化算法的BP 神经网络的医学图像分割方法。首先,应用粒子群优化算法与BP神经网络的映射关系,通过粒子群强大的搜索功能找到最佳适应函数,使对应的BP神经网络的均方误差达到最小值,克服了BP 神经网络产生多个局部最小值的可能;其次,确定粒子的最佳位置后,在BP神经网络学习中获得最合理的权值和偏置值,以提高网络的收敛速度;最后,BP神经网络经反复训练后,获得最佳输出值,并计算阈值,通过阈值来分割图像区域。实验结果表明,利用改进的算法能够得到更清晰的图像分割效果,提高了图像的分割精度,对临床的诊断也具有重要参考意义。